Python 彩色图像直方图均衡化

彩色图像的直方图均衡化需要对每个颜色通道进行处理。下面是一个使用 Python 和 OpenCV 库实现的示例代码：

import cv2

# 读取彩色图像
img = cv2.imread('image.jpg')

# 将图像转换为YUV颜色空间
img_yuv = cv2.cvtColor(img, cv2.COLOR_BGR2YUV)

# 对亮度通道进行直方图均衡化
img_yuv[:,:,0] = cv2.equalizeHist(img_yuv[:,:,0])

# 将图像转换回BGR颜色空间
img_output = cv2.cvtColor(img_yuv, cv2.COLOR_YUV2BGR)

# 显示结果
cv2.imshow('Input', img)
cv2.imshow('Output', img_output)
cv2.waitKey()

在这个例子中，我们将彩色图像转换为 YUV 颜色空间，然后只对亮度通道进行直方图均衡化。最后，我们将图像转换回 BGR 颜色空间并显示结果。你可以根据需要对其他颜色通道进行处理。

相关问题

python彩色图像直方图均衡化

你可以使用Python中的OpenCV库来实现彩色图像直方图均衡化。以下是一个简单的示例代码：

import cv2

# 读取彩色图像
img = cv2.imread('image.jpg')

# 将彩色图像转换为YUV颜色空间
img_yuv = cv2.cvtColor(img, cv2.COLOR_BGR2YUV)

# 对Y通道进行直方图均衡化
img_yuv[:,:,0] = cv2.equalizeHist(img_yuv[:,:,0])

# 将YUV图像转换回BGR颜色空间
img_output = cv2.cvtColor(img_yuv, cv2.COLOR_YUV2BGR)

# 显示原始图像和处理后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Histogram Equalized', img_output)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这段代码中，我们首先读取彩色图像，然后将其转换为YUV颜色空间。接下来，我们对Y通道进行直方图均衡化，然后将图像转换回BGR颜色空间。最后，我们显示原始图像和处理后的图像。

python灰度图像直方图均衡化

灰度图像直方图均衡化是一种常用的图像增强技术，可以通过拉伸图像灰度级的分布来增强图像的对比度。下面是实现灰度图像直方图均衡化的步骤：

1. 将彩色图像转换为灰度图像，如果已经是灰度图像则跳过此步骤。
2. 统计灰度图像中每个灰度级的像素个数，得到直方图。
3. 计算每个灰度级在直方图中的累积概率分布函数（CDF）。
4. 根据累积概率分布函数，计算每个灰度级的映射表，用于将原始图像中的灰度级映射到新的灰度级。
5. 使用映射表将原始图像中的每个像素灰度值替换为对应的新灰度值。

下面是使用Python实现灰度图像直方图均衡化的示例代码：

import cv2
import numpy as np

# 读取灰度图像
img = cv2.imread('input.jpg', 0)

# 计算直方图
hist, bins = np.histogram(img.flatten(), 256, [0, 256])

# 计算累积概率分布函数
cdf = hist.cumsum()
cdf_normalized = cdf * hist.max() / cdf.max()

# 创建映射表
map_table = np.interp(img.flatten(), bins[:-1], cdf_normalized)

# 将原始图像中的像素值替换为新的灰度值
img_eq = map_table.reshape(img.shape).astype(np.uint8)

# 显示原始图像和均衡化后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Equalized Image', img_eq)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意，上述代码中的'input.jpg'是待处理的灰度图像的文件名，可以根据实际情况进行修改。执行上述代码后，将会显示原始图像和直方图均衡化后的图像。